少样本适配

基于注意力序列的个性化图像描述

Personalized Image Descriptions from Attention Sequences

把人类观看图像时的注意力序列作为个性化信号，通过辅助注意力预测任务学习主体嵌入，并用轻量适配器接入冻结的 VLM——这为视觉语言模型引入「感知行为」这一新条件维度提供了可复用范式。